ERPBench：企业软件计算机使用智能体的状态落地评测
原文标题：ERPBench: A State-Grounded Evaluation Paradigm for Computer-Use Agents in Enterprise Software
重要度 4/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
通过截图与模拟操作运行的计算机使用智能体发展迅速，但评测仍锚定通用桌面与网页任务。ERP 系统界面密集、需多步协同，且错误会改写持久业务记录而非仅显示在屏幕上。论文提出 ERPBench，在真实可复现的 ERP 系统上评测纯截图智能体，并以数据库真值打分。评测六款闭源与开源智能体显示，强通用 GUI 表现无法迁移到企业可靠性：部分智能体保存成功率高达 85%，但写入正确值的比例低至 3%。
深读 · 结论先行AI 生成展开看要点与影响 ↓
ERPBench显示GUI智能体保存成功率最高85%，但写入正确值低至3%
- •ERPBench在真实可复现的ERP系统上评测纯截图智能体，以数据库真值打分
- •评测六款闭源与开源智能体，强通用GUI表现无法迁移到企业可靠性
- •部分智能体保存成功率高达85%，但写入正确值的比例低至3%
- •错误会改写持久业务记录而非仅显示在屏幕上，另提供人工审批门控的生产级框架
为什么重要：企业级智能体的瓶颈不是操作能力而是写入正确率，直接决定ERP等核心系统能否放手自动化。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
AI分析40万条Reddit帖子发现Ozempic隐藏副作用
AI 摘要研究利用AI分析约40万条Reddit帖子，发现Ozempic等GLP-1药物此前未被充分记录的副作用。该成果展示AI在药物警戒与真实世界证据挖掘中的潜力，可补充传统临床试验与不良反应报告的盲区。
谷歌AlphaGenome Atlas绘制人类基因组图谱
AI 摘要谷歌DeepMind推出AlphaGenome Atlas，包含人类基因组中每个可能的DNA字母变化的预测图谱，有望加速科学研究并推动疾病治疗。该工具将改变我们对生物学的理解。
Meta Muse 下载破千万，国内创业团队争造中国版个人 Agent
AI 摘要Meta 个人 AI 助理 Muse 上线不足两月累计下载 1040 万次，带动国内 Personal Agent 创业热潮，Today AI、Manus Cue、Rabbit OS3 等相继入场。但创业团队需直面豆包、千问等大厂免费产品，以及跨 App 执行任务受微信、淘宝等平台限制的生态壁垒。
腾讯汤道生谈 WorkBuddy 商业化：不设收入数字逼团队
AI 摘要在 2026 腾讯全球数字生态大会上，腾讯发布跨应用办公协同体系 Buddy One，打通腾讯文档、会议、ima 与网盘，并推出商业化方案 Buddy One VIP。汤道生表示 WorkBuddy 商业化以支撑服务发展为目的，不设具体收入指标；负责人刘毅透露中国 500 强中 50% 已在使用，平台累计提交任务超 90 亿。